Lectura, manipulación y análisis de datos en R

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Lectura, manipulación y análisis de datos en R"

Transcripción

1 Lectura, manipulación y análisis de datos en R F. Tusell * Curso Índice 1. Introducción 2 2. Lectura e importación de datos Introducción directa Lectura directa en formatos propios de R Importación de formatos propios de otros programas Conexión a gestores de base de datos Datos fechados Datos simplemente fechados Series temporales regulares (equiespaciadas) Series temporales irregularmente espaciadas Comentarios al Ejemplo Comentarios al Ejemplo Información adicional 17 A. Listado del Ejemplo 1 19 B. Listado del Ejemplo 2 21 C. Datos en tomates.csv (primeras líneas) 23 D. Datos en naosoi.dat (primeras líneas) 23 * Actualización del día 7 de marzo de La última versión de este documento, posiblemente más reciente, puede obtenerse de 1

2 Depto. de Economía Aplicada III 2 1. Introducción Con frecuencia, la manipulación de los datos es igual o más laboriosa que el análisis estadístico subsiguiente. Un uso adecuado de las facilidades de importación, transformación y presentación de datos que ofrece R puede redundar en drásticas reducciones de trabajo, además de favorecer la legibilidad y presentación. El resultado son salidas autoexplicativas en que los errores son de comisión menos probable y de detección más sencilla. Los Anexos A y B hacen uso de los datos en los Anexos C y D para ilustrar el uso de algunas instrucciones. Las Secciones siguientes hasta la Sección 4 introducen algunos conceptos. Las Secciones 4 y 5 comentan los ejemplos en los Anexos. 2. Lectura e importación de datos Lo que sigue es sólo un resumen: para una discusión más detallada véase [13] Introducción directa Si los datos son pocos, podemos teclearlos directamente en un vector o dataframe. Por ejemplo, así: a <- c(1,2,3,4) b <- matrix(a,2,2,byrow=false) La primera instrucción asigna directamente un vector; la segunda, emplea el contenido del mismo para llenar una matriz 2 2 por columnas. En ocasiones, tanto para matrices como para dataframes, será de utilidad la función edit. Una sentencia como d <- edit(b) abre una rudimentaria hoja de cálculo en la que podemos modificar o añadir a la matriz (o dataframe) b los elementos que deseemos, para luego guardar el resultado en d (b y d pueden coincidir, en cuyo caso el contenido previo de b resulta machacado). Hay que destacar que b ha de preexistir. Sus dimensiones, no obstante, pueden modificarse por la función edit al vuelo, añadiendo filas o columnas Lectura directa en formatos propios de R En ocasiones, los datos puede proceder de un programa que proporciona los datos de forma directamente procesable por R, o en un formato que R puede reconocer. Lo primero no es habitual, siendo el programa econométrico Gretl 1 una notable excepción: produce objetos con sufijo.r que pueden directamente leerse en R mediante una instrucción como: obj <- source("objeto.r") 1 Más información acerca de este programa en

3 Depto. de Economía Aplicada III 3 También S-Plus puede producir objetos del mismo tipo: desde S-Plus, la función dput producirá un objeto que puede ser recuperado desde R con la función dget: pero ello no funcionará en todos los casos ni con todas las versiones de ambos programas, por lo que se impone la prueba Importación de formatos propios de otros programas R no es particularmente bueno importando datos generados por otros programas. No obstante, el paquete recomendado foreign lee ficheros en formatos propios de, entre otros, SPSS, SAS, Minitab, Stata, Epi y S. Hay que destacar que los formatos pueden presentar ligeras variaciones de unas versiones a otras (típicamente, las versiones posteriores leen ficheros producidos mediante las precedentes, pero no al revés). Podemos así encontrar que foreign nos permite leer, por ejemplo, worksheets de Minitab de una versión determinada y las anteriores, pero no las posteriores. Se impone por tanto también la prueba. Adicionalmente al paquete citado, 1. Las funciones en el paquete e1071 permite leer datos en formato Octave (un look-alike del más conocido MatLab). 2. La función read.xls en el paquete gdata permite leer hojas de cálculo creadas por Excel en data frames Conexión a gestores de base de datos Los gestores de base de datos son programas que permiten crear y administrar ficheros accediendo a ellos de forma cómoda, ordinariamente a traves de variantes dialectales de SQL. Si tenemos una tabla de nombre CENSO conteniendo las variables NOMBRE, APELLIDOS y EDAD (entre otras), podríamos recuperar todos los casos de edad superior a 45 años así: SELECT NOMBRE,APELLIDOS FROM CENSO WHERE EDAD > 45 ; Sobre SQL puede consultarse [9]; sobre PostgreSQL, [10]. Hay varios paquetes que permiten conectar R a gestores de bases de datos, en la misma o en otra máquina diferente: son RPgSQL (para PostgreSQL), ROracle (para Oracle), RMySQL (para MySQL) y RODBC (para cualquier origen de datos ODBC). Una descripción de algunos de estos paquetes puede encontrarse en [11]. Con varios de los paquetes señalados las bases de datos a las que se conecta R pueden estar en la misma u otra máquina: en este último caso, debemos tener algún modo de conectar (normalmente, sobre protocolos TCP/IP). Con el paquete RODBC el origen de datos puede ser una cualquiera de muchas cosas. En particular, puede ser un fichero local de Microsoft Access, lo que proporciona un modo fácil de importar Access a R. Supongamos que tenemos 2 La pareja de funciones dump y source ofrece una alternativa que puede funcionar cuando dput y dget no lo hacen. 3 Hay que notar que para ellos se necesita Perl instalado en el sistema, lo que es completamente standard en Unix/Linux, pero no en Windows. Adicionalmente, hojas en formato.xls creadas por otros programas como Open Office, pueden no ser leidas. Una vez más, se impone la prueba.

4 Depto. de Economía Aplicada III 4 una base de datos llamada Gastos y en ella una tabla de nombre Empleados, que suponemos ubicada en la raíz del disco C: de una máquina Windows. Para importar su contenido a una dataframe de igual nombre, bastaría teclear: library(rodbc) canal1 <- odbcconnectaccess("c:\\gastos") Empleados <- sqlquery(canal1,"select * from Empleados") Nótese que como lenguaje de interrogación se emplea SQL. La facilidad para poblar una dataframe realizando una consulta a una base de datos externa, permite tratar ficheros muy grandes de los que sólo se importan las observaciones/variables que interesan. SQL es además una herramienta excelente para seleccionar casos que verifiquen condiciones complejas de expresar en R. 3. Datos fechados 3.1. Datos simplemente fechados R posee clases específicas de objetos para manejar fechas, y lo hace con gran flexibilidad. Podemos definir una variable como de clase POSIXt o POSIXct (dos standares para la representación de fechas) mediante la instrucción as.date (véase el uso de la misma en el Anexo A). Las fechas pueden ser días (ejemplo: ) o días más tiempos (ejemplo: :56:03) con una resolución de segundos, e incluir una zona horaria. Con objetos de estas clases se pueden hacer algunos cálculos como la diferencia entre dos fechas consecutivas, etc. Véase una descripción en [12]. Además de estas clases de objetos para representar fechas, que son las propias y nativas de R, hay otros paquetes (chron y dates) que ofrecen facilidades análogas. Podemos guardar datos en dataframes una de cuyas columnas contiene fechas de esta clase. Tenemos así datos fechados, pero no de serie temporal Series temporales regulares (equiespaciadas) Es frecuentemente el caso con series mensuales. R puede construir objetos de tipo ts como ilustra el ejemplo en la Sección 5. Para dichos objetos hay métodos específicos Series temporales irregularmente espaciadas En multitud de campos, notablemente en Economía y en Finanzas, las series temporales no son equiespaciadas: hay días laborables y festivos, que introducirían valores NA en una serie equiespaciada. A veces, simplemente, las observaciones se presentan en momentos cualesquiera como las transacciones en un mercado. Hay varias posibilidades para el manejo de este tipo de datos. Diferentes paquetes definen diferentes tipos de series irregulares. Así, tseries (orientado a Finanzas) define series de la clase irts. Los paquetes fbasics y fseries también orientados a Finanzas definen objetos de clase timedate y timeseries. El paquete its define objetos de clase its. El paquete zoo, por su parte, define aún otra clase de objetos para representar objetos indexados.

5 Depto. de Economía Aplicada III 5 4. Comentarios al Ejemplo 1. Comentamos a continuación algunas de las órdenes que aparecen en el ejemplo extenso del Apéndice A. Los números de línea hacen referencia a dicho Apéndice, en que las instrucciones comentadas pueden verse en contexto. Los datos corresponden a tomates recogidos de cada una de veinte plantas, algunas de las cuales habían sido sometidas a un tratamiento (despunte, dejando una sóla flor de cada grupo) y otra no. El objetivo era examinar si el dejar menos flores por planta favorecía la producción de tomates de mayor tamaño y peso. En la línea 1 se ha empleado un read.table para leer los datos en el fichero tomates.csv (las primeras líneas aparecen en el Apéndice C. La opción header=t especifica que la primera línea de dicho fichero proporciona los nombres de las variables. > tomates <- read.table(file = "tomates.csv", header = TRUE) Podemos examinar si la lectura ha producido los resultados apetecidos, listando una pocas líneas de la dataframe resultante y viendo su estructura: > tomates[1:3, ] Planta Fecha Peso > str(tomates) data.frame : 291 obs. of 3 variables: $ Planta: int $ Fecha : Factor w/ 26 levels " ","20..",..: $ Peso : int Observamos así que las fechas han sido tomadas como literales generando una v ariable cualitativa con 26 niveles (un factor en la terminología de R). Para hacer que R las considere como fechas a todos los efectos, podemos hacer: > tomates[, "Fecha"] <- as.date(as.character(tomates[, "Fecha"]), + format = "%Y-%m-%d") tras de lo cual, las líneas 6 y 7 muestran los cambios experimentados por la dataframe: > tomates[1:3, ] Planta Fecha Peso > str(tomates)

6 Depto. de Economía Aplicada III 6 data.frame : 291 obs. of 3 variables: $ Planta: int $ Fecha :Class Date num [1:291] $ Peso : int La línea 12, > attach(tomates) permite referirnos en lo sucesivo a las clumnas de la dataframe tomates como si fueran variables en nuestro espacio de trabajo. Las líneas que siguen realizan Las líneas que siguen permiten aprender algo sobre los datos: > summary(tomates) Planta Fecha Peso Min. : 1.00 Min. : Min. : st Qu.: st Qu.: st Qu.: Median :10.00 Median : Median : Mean :10.62 Mean : Mean : rd Qu.: rd Qu.: rd Qu.: Max. :20.00 Max. : Max. : > length(unique(planta)) [1] 20 > length(unique(fecha)) [1] 26 > xtabs(peso ~ Planta) Planta > xtabs(peso ~ Fecha) Fecha La instrucción siguiente genera un boxplot.

7 Depto. de Economía Aplicada III 7 > boxplot(peso ~ as.date(fecha), main = "Evolucion del peso de los frutos", + xlab = "Fecha", ylab = "Peso en gramos") Evolucion del peso de los frutos Peso en gramos Fecha Podemos totalizar el peso total recolectado en cada fecha mediante: > Grs <- aggregate(peso, by = list(fecha), sum) > dimnames(grs)[[2]] <- c("fecha", "Total Gramos") > print(grs[1:5, ]) Fecha Total Gramos Obsérvese que by= ha de ser una lista (aunque tenga un único componente). Análogamente podemos obtener el peso medio por fruto para cada fecha (línea 37): > GrsMedio <- aggregate(peso, by = list(fecha), mean) > dimnames(grsmedio)[[2]] <- c("fecha", "Media Gramos") > print(grsmedio[1:5, ]) Fecha Media Gramos

8 Depto. de Economía Aplicada III 8 Algunas de las veinte plantas recibieron un tratamiento: > Tratadas <- c(1, 2, 5, 6, 9, 10, 13, 14, 17, 18) > Controles <- (1:20)[-Tratadas] > Status <- ifelse(planta %in% Tratadas, "Tratada", "Control") > Status <- as.factor(status) Podemos comparar los pesos de los frutos en el grupo de plantas tratadas y no tratadas mediante un contraste formal, > t.test(peso[status == "Tratada"], Peso[Status == "Control"]) Welch Two Sample t-test data: Peso[Status == "Tratada"] and Peso[Status == "Control"] t = , df = , p-value = alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval: sample estimates: mean of x mean of y o haciendo un gráfico de cajas: > boxplot(peso ~ Status, main = "Comparacion de pesos de los frutos ", + xlab = "Clase de plantas", ylab = "Peso en gramos") Comparacion de pesos de los frutos Peso en gramos Control Tratada Clase de plantas No parece haber diferencia en los pesos entre plantas tratadas y no tratadas. Alternativamente, los gráficos condicionados permiten ver como varía una magnitud (o varias, o la relación entre varias) en función de los valores que toma una o dos variables condicionantes:

9 Depto. de Economía Aplicada III 9 > FechaFactor <- as.factor(as.date(fecha)) > coplot(peso ~ FechaFactor Status, xlab = "Fecha") Given : Status Tratada Control Peso Fecha Podríamos tener gráficamente la misma información desglosada por planta: > FactorPlanta <- as.factor(planta) > coplot(peso ~ FechaFactor FactorPlanta, xlab = "Fecha")

10 Depto. de Economía Aplicada III 10 Given : FactorPlanta Peso Fecha El gráfico anterior proporciona la evolución de los pesos en el tiempo para cada una de las plantas. Un gráfico en que la variable en abscisas es un factor se transforma automáticamente en un boxplot. Si quisiéramos ver la distribución de pesos de los frutos de cada planta, podríamos escribir: > plot(factorplanta, Peso, main = "Pesos de los frutos de cada planta", + ylab = "Gramos", xlab = "Plantas") para obtener:

11 Depto. de Economía Aplicada III 11 Pesos de los frutos de cada planta Gramos Plantas El paquete lattice ofrece otras posibilidades de representación gráfica: > library(lattice) > print(densityplot(~peso FactorPlanta, layout = c(5, 4), xlab = "Peso", + ylab = "Densidad estimada", main = "Distribucion de los pesos por planta")) Distribucion de los pesos por planta Densidad estimada Peso > print(densityplot(~peso Status, layout = c(2, 1), xlab = "Peso", + ylab = "Densidad estimada", main = "Distribucion de los pesos por tratamiento"))

12 Depto. de Economía Aplicada III 12 Distribucion de los pesos por tratamiento Control Tratada Densidad estimada Peso > print(barchart(as.character(as.date(fecha)) ~ Peso Status, + layout = c(2, 1), xlab = "Peso", ylab = "Fecha", main = "Distribucion de los pesos en Distribucion de los pesos en el tiempo por tratamiento Fecha Control Tratada Peso Obsérvese que hemos de recurrir a as.character(as.date(fecha)) para que las fechas aparezcan con su formato.

13 Depto. de Economía Aplicada III Comentarios al Ejemplo 2. Las instrucciones, > nao <- read.table(file = "naosoi.dat") > nao[1:3, ] NAO SOI Nov1899 NA NA Dec1899 NA NA Jan > attach(nao) > par(mfrow = c(2, 1)) leen los datos, muestran las tres primeras observaciones y especifican el modo en que queremos los gráficos a continuación. La serie NAO (North Atlantic Oscillation) recoge la diferencia de presión barométrica entre Islandia y lasn Azores. SOI (Southern Oscillation Index) es un índice análogo que se supone explicativo del fenómeno recurrente frente a las costas peruanas conocido como El Niño (un calentamiento superficial del agua del mar con alteraciones climáticas concomitantes) El bucle que sigue reconstruye la dataframe nao de modo que cada una de sus columnas sea un objeto de clase ts. > cols <- names(nao) > lcols <- length(nao) > for (i in 1:lcols) { + nao[[i]] <- temp <- ts(nao[[i]], start = c(1900, 1), frequency = 12) + temp <- na.omit(temp) + temp2 <- (attributes(temp)$tsp)[1] + anyo <- floor(temp2) + mes <- round( * (temp2%%1)) + ts.plot(window(temp, start = c(anyo, mes)), gpars = list(ylab = cols[i], + xlab = "A~no", main = paste(cols[i], ": datos brutos", + sep = ""))) + } Diseccionemos dicho bucle. La primera línea, > nao[[i]] <- temp <- ts(nao[[i]], start = c(1900, 1), frequency = 12) se limita a redefinir las columnas de la dataframe nao como series temporales. La estructura del objeto resultante es muy simple, y puede ponerse en evidencia tecleando > temp <- na.omit(temp) > temp2 <- (attributes(temp)$tsp)[1] Vemos que en $tsp se almacenan las abscisas temporales en forma de años fraccionarios. Hemos tomado cada una de las columnas de nao, las hemos guardado temporalmente en temp y hemos prescindido de sus observaciones faltantes. Como estas observaciones faltantes pueden estar al principio, se impone recomputar el año y mes de inicio de los datos no faltantes, Es lo que hacen las órdenes:

14 Depto. de Economía Aplicada III 14 > anyo <- floor(temp2) > mes <- round( * (temp2%%1)) que de los datos presentes en temp2 computan el año y mes de inicio. La instrucción ts.plot al final genera el gráfico a continuación. Aunque sólo hay dos columnas en la dataframe y podría perfectamente haberse escrito dos veces la misma orden, el modo de hacerlo mediante un bucle se generaliza mejor al caso en que tenemos multitud de series temporales como columnas de una misma dataframe y queremos obtener gráficos para todas. Obsérvese que se hace uso del hecho de que una dataframe es en realidad una lista, cuyas columnas pueden referenciarse de diversos modos. Por ejemplo, podemos acceder a la segunda colimna de nao de una cualquiera de las siguientes formas: > nao$soi > nao[, "SOI"] > nao[[2]] > nao[, 2]

15 Depto. de Economía Aplicada III 15 NAO: datos brutos NAO Año SOI: datos brutos SOI Año Podemos emplear la misma técnica para obtener las funciones ACF y PACF de cada una de las series mediante: > for (i in 1:lcols) { + acf(nao[[i]], na.action = na.omit, main = cols[i]) + pacf(nao[[i]], na.action = na.omit, main = cols[i]) + } (a continuación se representan sólo las de nao$soi).

16 Depto. de Economía Aplicada III 16 SOI ACF Lag SOI Partial ACF Lag

17 Depto. de Economía Aplicada III Información adicional Hay ahora una relativa abundancia de libros y fuentes de información acerca de R. Continúa estando entre los mejores el libro [14]. Dispone de complementos on line que lo mantienen actualizado: [15]. Libros introductorios son [6], [1], [17] (que se refieren a S-Plus, pero son bastante aplicables a R), y [6]. Específicamente sobre importación y exportación de datos se dispone de [13]. Sobre R para regresión y modelos lineales en general se dispone de [8] y [7]. Aunque escrito para S-Plus, es de utilidad también [2]. La referencia original describiendo S (lenguaje del cuál R es una implementación) es [3], aún utilizable pero muy desfasado. Más moderno es [5] Referencia mucho más avanzadas que convendrán a programadores son [4] y [16].

18 Depto. de Economía Aplicada III 18 Referencias [1] A.Krause and M.Olson. The Basics of S and S-Plus. Springer Verlag, Signatura: KRA. [2] Douglas M. Bates and Jose C. Pinheiro. Mixed-effects models in S and S-PLUS. Springer-Verlag, Signatura: [3] R.A. Becker, J.M. Chambers, and A.R. Wilks. The New S Language. A Programming Environment for Data Analysis and Graphics. Wadsworth & Brooks/Cole, Pacific Grove, California, [4] J.M. Chambers. Programming with Data. Mathsoft, [5] J.M. Chambers and T.J. Hastie. Statistical Models in S. Wadsworth & Brooks/Cole, Pacific Grove, Ca., [6] P. Dalgaard. Introductory statistics with R. Statistics and Computing. Springer-Verlag, Signatura: DAL. [7] J.J. Faraway. Linear Models with R. Chapman & Hall/CRC, Signatura: FAR. [8] J. Fox. An R and S-Plus companion to applied regression. Sage Pub., [9] J. Melton and A. Simon. Understanding the new SQL: a complete guide. Morgan Kaufmann, San Francisco, Ca., [10] Bruce Momjian. PostgreSQL : introduction and concepts. Addison-Wesley, Signatura: MOM. [11] Brian D. Ripley. Using databases with R. R News, 1(1):18 20, January [12] Brian D. Ripley and Kurt Hornik. Date-time classes. R News, 1(2):8 11, June [13] R Development Core Team. R Data Import/Export. CRAN. Disponible en visitada el 10-Sep [14] W.N. Venables and B.D. Ripley. Modern Applied Statistics with S-Plus. Springer-Verlag, New York, third edition, [15] W.N. Venables and B.D. Ripley. R complements to Modern Applied Statistics with S-Plus. En [16] W.N. Venables and B.D. Ripley. S Programming. Springer-Verlag, [17] M.D. Ugarte y A.Fdez. Militino. Estadística Aplicada con S-Plus. Universidad Pública de Navarra, 2001.

19 Depto. de Economía Aplicada III 19 A. Listado del Ejemplo 1 1 tomates < read. table ( f i l e= tomates. csv, header=true) 2 tomates [ 1 : 3, ] 3 s t r ( tomates ) 4 tomates [, Fecha ] < as. Date ( as. character ( tomates [, Fecha ] ), 5 format= %Y %m %d ) 6 tomates [ 1 : 3, ] 7 s t r ( tomates ) 8 # 9 # Hagamos ahora un breve análisis descriptivo de los 10 # datos en la data frame tomates 11 # 12 attach ( tomates ) 13 summary( tomates ) # Media, desv. típica, etc. 14 length ( unique ( Planta ) ) # Cuántas plantas hay? 15 length ( unique ( Fecha ) ) # Cuántas fechas de recogida? 16 xtabs ( Peso Planta ) # Cuánto ha dado cada planta? 17 xtabs ( Peso Fecha ) # Cuánto se ha recogido por fecha? boxplot ( Peso as. Date ( Fecha ), # Evolución de los pesos el el tiempo. 20 main= Evolucion d e l peso de l o s f r u t o s, 21 xlab= Fecha, ylab= Peso en gramos ) # Necesitaremos ahora etiquetas para 24 # TODAS las fechas en la muestra (no 25 # una para cada fecha distinta) Grs < aggregate ( Peso, # Peso total recolectado en cada 29 by=l i s t ( as. Date ( Fecha ) ), 30 sum) 31 # fecha. El argumento by= ha de 32 # ser una lista dimnames( Grs ) [ [ 2 ] ] < c ( Fecha, Total Gramos ) 35 print ( Grs [ 1 : 5, ] ) GrsMedio < aggregate ( Peso, 38 by=l i s t ( Fecha ), # Peso medio por fruto en cada 39 # fecha. El argumento by= ha de 40 mean) # ser una lista dimnames( GrsMedio ) [ [ 2 ] ] < c ( Fecha, Media Gramos ) 43 print ( GrsMedio [ 1 : 5, ] ) 44 # Especificamos ahora cuáles de las 45 # plantas recibieron un determinado 46 # tratamiento Tratadas < c ( 1, 2, 5, 6, 9, 1 0, 1 3, 1 4, 1 7, 1 8 ) 49 C o n t r o l e s < (1:20)[ Tratadas ] # Status es un factor dando el 52 # status de cada observación: Tratada

20 Depto. de Economía Aplicada III # si corresponde a una planta tratada, 54 # control si corresponde a un control Status < i f e l s e ( Planta %i n % Tratadas, Tratada, Control ) 57 Status < as. factor ( Status ) t. t e s t ( Peso [ Status== Tratada ], Peso [ Status== Control ] ) boxplot ( Peso Status, 62 main= Comparacion de pesos de l o s f r u t o s, 63 xlab= Clase de p l a n t a s, ylab= Peso en gramos ) FechaFactor < as. factor ( as. Date ( Fecha ) ) 67 coplot ( Peso FechaFactor Status, 68 xlab= Fecha ) 69 # Evolución del peso con el 70 # paso del tiempo para los dos grupos FactorPlanta < as. factor ( Planta ) # Creamos un factor para obtener 73 # desgloses por planta coplot ( Peso FechaFactor FactorPlanta, 76 xlab= Fecha ) 77 # Evolución del peso de los frutos 78 # con el paso del tiempo para cada 79 # planta plot ( FactorPlanta, Peso, main= Pesos de l o s f r u t o s de cada planta, 83 ylab= Gramos, 84 xlab= Plantas ) # Un plot cuyo eje X es un factor se 85 # transforma automáticamente en en 86 # boxplot. Este permite examinar la 87 # distribución de los pesos de los 88 # frutos de cada planta library ( l a t t i c e ) # Ofrece gráficos alternativos d e n s i t y p l o t ( Peso FactorPlanta, 93 layout=c ( 5, 4 ), xlab= Peso, ylab= Densidad estimada, 94 main= D i s t r i b u c i o n de l o s pesos por planta ) d e n s i t y p l o t ( Peso Status, 97 layout=c ( 2, 1 ), xlab= Peso, ylab= Densidad estimada, 98 main= D i s t r i b u c i o n de l o s pesos por tratamiento ) barchart ( as. character ( as. Date ( Fecha ) ) Peso Status, 101 layout=c ( 2, 1 ), xlab= Peso, ylab= Fecha, 102 main= D i s t r i b u c i o n de l o s pesos en e l tiempo por tratamiento ) # q()

21 Depto. de Economía Aplicada III 21 B. Listado del Ejemplo 2 1 nao < read. table ( f i l e= n a o s o i. dat ) 2 nao [ 1 : 3, ] 3 4 attach ( nao ) 5 # 6 # Redefinición como series temporales, y representación gráfica 7 # 8 par ( mfrow=c ( 2, 1 ) ) 9 c o l s < names( nao ) 10 l c o l s < length ( nao ) 11 for ( i i n 1 : l c o l s ) { 12 nao [ [ i ] ] < temp < ts ( nao [ [ i ] ], start=c ( , 1 ), frequency=12) 13 temp < na. omit ( temp ) 14 temp2 < ( attributes ( temp )$tsp ) [ 1 ] 15 anyo < floor ( temp2 ) ; mes < round(1+12 ( temp2 % %1 ) ) 16 ts. plot (window( temp, start=c ( anyo, mes ) ), 17 gpars=l i s t ( ylab=c o l s [ i ], xlab= Año, 18 main=paste ( c o l s [ i ], : datos brutos, sep= ) ) ) 19 } 20 # 21 # Veamos la forma de sus funciones ACF y PACF 22 # 23 for ( i i n 1 : l c o l s ) { 24 a c f ( nao [ [ i ] ], na. action=na. omit, main=c o l s [ i ] ) 25 pacf ( nao [ [ i ] ], na. action=na. omit, main=c o l s [ i ] ) 26 } 27 par ( mfrow=c ( 1, 1 ) ) 28 c c f ( nao$nao, nao$soi, na. action=na. omit, main= CCF de NAO y SOI ) # 31 # Claramente, necesitaremos alguna diferenciación estacional y/o 32 # parámetro autoregresivo estacional. En primer lugar, ajustaremos 33 # un modelo largo, para darnos una idea de que fracción del pasado 34 # es relevante en la modelización. Emplearemos modelos AR de orden 35 # creciente dibujando la gráfica del AIC para cada serie. 36 # 37 par ( mfrow=c ( 2, 1 ) ) 38 for ( i i n 1 : length ( c o l s ) ) { 39 f i t. ar < ar ( nao [ [ i ] ], method= o l s, order.max=96,na. action=na. omit ) 40 # 41 # Veamos ahora la pinta que tienen los valores AIC 42 # 43 plot ( f i t. ar$ aic, type= l, xlab= Orden p, ylab= Valor AIC, 44 main=paste ( C r i t e r i o AIC para modelos AR( p ) \n S e r i e :, 45 c o l s [ i ], sep= ) ) 46 } 47 # 48 # SOI parece tener una memoria bastante más larga # Podríamos a la luz de la ACF y PACF de NAO sospechar algunos 50 # modelos ARIMA buenos candidatos a ajustar bien. O podemos 51 # recurrir a una solución de fuerza bruta que consiste en ajustar 52 # todos los modelos a priori razonables y seleccionar uno o varios

22 Depto. de Economía Aplicada III # de entre ellos con ayuda del criterio AIC. 54 # 55 # Nótese el uso de try() para encapsular errores que podrían abortar 56 # de otro modo una iteración muy costosa. 57 # 58 i < 0 59 NAO. modelos < vector ( l i s t, 450) 60 for ( s a r i n 0 : 4 ) { 61 for ( sma i n 0 : 4 ) { 62 for ( d i n 0 : 1 ) { 63 for ( ar i n 0 : 4 ) { 64 for (ma i n 0 : 4 ) { 65 i f ( ( ar+ma)==0) next ; 66 i f ( ( s a r+sma+d)==0) next ; 67 i < i NAO. modelos [ [ i ] ] < f i t < try ( arima0 (NAO, order=c ( ar, 0,ma), 69 s e a s o n a l=l i s t ( order=c ( sar, d, sma ) ) ) ) 70 i f ( class ( f i t )== try e r r o r ) next ; 71 } 72 } 73 } 74 } 75 } 76 save. image ( ) 77 q ( )

23 Depto. de Economía Aplicada III 23 C. Datos en tomates.csv (primeras líneas) "Planta" "Fecha" "Peso" D. Datos en naosoi.dat (primeras líneas) "NAO" "SOI" "Jan1900" "Feb1900" "Mar1900" "Apr1900" "May1900" datos omitidos... "Jun2000" "Jul2000" "Aug2000" "Sep2000" "Oct2000" "Nov2000" "Dec2000"

Proyecto de Innovación Docente: Guía multimedia para la elaboración de un modelo econométrico.

Proyecto de Innovación Docente: Guía multimedia para la elaboración de un modelo econométrico. 1 Primeros pasos en R. Al iniciarse R (ver Figura 16), R espera la entrada de órdenes y presenta un símbolo para indicarlo. El símbolo asignado, como puede observarse al final, es > Figura 16. Pantalla

Más detalles

Instalación e introducción al software estadístico R y la librería R-Commander. Estadística descriptiva.

Instalación e introducción al software estadístico R y la librería R-Commander. Estadística descriptiva. Instalación e introducción al software estadístico R y la librería R-Commander. Estadística descriptiva. Botella-Rocamora, P.; Alacreu-García, M.; Martínez-Beneito, M.A. ÍNDICE Página 1. Instalación e

Más detalles

R: una herramienta poco difundida y muy útil para la investigación clínica

R: una herramienta poco difundida y muy útil para la investigación clínica TÉCNICAS R: una herramienta poco difundida y muy útil para la investigación clínica R: a not much spread and very useful tool for clinical research MayelÍn Mirabal Sosa I, Maytee Robaina García II, Rolando

Más detalles

ESCUELA SUPERIOR DE INFORMATICA Prácticas de Estadística UNA SESIÓN EN SPSS

ESCUELA SUPERIOR DE INFORMATICA Prácticas de Estadística UNA SESIÓN EN SPSS UNA SESIÓN EN SPSS INTRODUCCIÓN. SPSS (Statistical Product and Service Solutions) es un paquete estadístico orientado, en principio, al ámbito de aplicación de las Ciencias sociales, es uno de las herramientas

Más detalles

El Programa estadístico R

El Programa estadístico R El Programa estadístico R R es un lenguaje y entorno que permite realizar manipulación de datos, cálculos y gráficos estadísticos, bajo la modalidad de software libre y puede ser instalado en distintos

Más detalles

Introducción a la programación en R

Introducción a la programación en R Programación en R 1 Introducción a la programación en R Qué es un programa de ordenador? Un programa de ordenador consiste en una secuencia de instrucciones que un ordenador pueda entender. El procesador

Más detalles

Bases de datos: Sistemas de bases de datos:

Bases de datos: Sistemas de bases de datos: Bases de datos: Sistemas de bases de datos: Un sistema de bases de datos es básicamente un sistema para archivar en computador, es decir, es un sistema computarizado cuyo propósito general es mantener

Más detalles

1 Empecemos... 1.1 Manipulación de vectores. Introducción a R

1 Empecemos... 1.1 Manipulación de vectores. Introducción a R Introducción a R. Mathieu Kessler Departamento de Matemática Aplicada y Estadística Universidad Politécnica de Cartagena Introducción a R R es un programa de análisis de datos y realización de gráficos,

Más detalles

Pág. 7 de 11. SPSS Inc. desarrolla un módulo básico del paquete estadístico SPSS, del que han aparecido las siguientes versiones:

Pág. 7 de 11. SPSS Inc. desarrolla un módulo básico del paquete estadístico SPSS, del que han aparecido las siguientes versiones: Pág. 7 de 11 SPSS Historia Fue creado en 1968 por Norman H. Nie, C. Hadlai (Tex) Hull y Dale H. Bent. Entre 1969 y 1975 la Universidad de Chicago por medio de su National Opinion Research Center estuvo

Más detalles

El programa Minitab: breve introducción a su funcionamiento. Para mostrar la facilidad con la que se pueden realizar los gráficos y cálculos

El programa Minitab: breve introducción a su funcionamiento. Para mostrar la facilidad con la que se pueden realizar los gráficos y cálculos El programa Minitab: breve introducción a su funcionamiento Para mostrar la facilidad con la que se pueden realizar los gráficos y cálculos estadísticos en la actualidad, el libro se acompaña, en todo

Más detalles

MATLAB en 30 minutos

MATLAB en 30 minutos MATLAB en 30 minutos Rafael Collantes. Octubre 200. Introducción MATLAB nació como un programa para cálculo matricial, pero en la actualidad MATLAB es un sistema que permite no solamente realizar todo

Más detalles

IIC 3633 - Sistemas Recomendadores

IIC 3633 - Sistemas Recomendadores Tests Estadísticos para Comparar Recomendaciones IIC 3633 - Sistemas Recomendadores Denis Parra Profesor Asistente, DCC, PUC CHile Page 1 of 11 TOC En esta clase 1. Significancia Estadistica de los Resultados

Más detalles

Estadística: Modelos Lineales (15765)

Estadística: Modelos Lineales (15765) Universidad del País Vasco Aeman ta zabal zazu Euskal Herriko Unibertsitatea Programa de la asignatura Estadística: Modelos Lineales (15765) Curso 2011 2012 Profesor: Fernando TUSELL Dpto. Economía Aplicada

Más detalles

Bienvenidos a EVIEWS Pantalla del Menú (1) Principal

Bienvenidos a EVIEWS Pantalla del Menú (1) Principal Bienvenidos a EVIEWS Pantalla del Menú (1) Principal Área de Comandos Menú Principal Ventana Workfile y de Objetos Ojo, Estos tres menus, de la ventana principal, del Workfile y del Objeto no son iguales.

Más detalles

Lectura de datos. Marcelo Reyes Notas sobre gretl 1.8.6cvs

Lectura de datos. Marcelo Reyes Notas sobre gretl 1.8.6cvs Marcelo Reyes Notas sobre gretl 1.8.6cvs Lectura de datos gretl permite cargar datos desde diferentes muestras. Si lo que queremos es practicar se proporciona un generoso banco de datos accesible desde

Más detalles

Bases de datos. 1. Introducción

Bases de datos. 1. Introducción Bases de datos 1. Introducción Habitualmente, los programas trabajan con información que está en un fichero. Por ejemplo, nuestro simulador de tráfico aéreo trabaja con una lista de planes de vuelo que

Más detalles

La utilización del paquete R en la docencia de bachillerato

La utilización del paquete R en la docencia de bachillerato Medellín, 20-23 de julio de 2010 La utilización del paquete R en la docencia de bachillerato UGARTE, M.D. DEPARTAMENTO DE ESTADÍSTICA E I.O. UNIVERSIDAD PÚBLICA DE NAVARRA, PAMPLONA, ESPAÑA (trabajo en

Más detalles

ANÁLISIS DE SERIE DE TIEMPO DE CAUDALES DEL RÍO EL TALA PERIODO 1937-1960

ANÁLISIS DE SERIE DE TIEMPO DE CAUDALES DEL RÍO EL TALA PERIODO 1937-1960 ANÁLISIS DE SERIE DE TIEMPO DE CAUDALES DEL RÍO EL TALA PERIODO 1937-1960 Verón, Juan Antonio* ; Herrera, Carlos Gabriel*; Rodríguez, Norma Leonor** * Facultad de Tecnología y Ciencias Aplicada de la UNCa.

Más detalles

Diseño y Admón. de Bases de Datos. Ingeniería Informática curso 2010/11

Diseño y Admón. de Bases de Datos. Ingeniería Informática curso 2010/11 Laboratorio 06. Objetivos: Representación interna de un BD. Tablas, índices e índices full-text. Sesiones: 1 (24 de noviembre de 2010) Ejercicio: 1. Representación interna: 1.1. Copiar al repositorio de

Más detalles

Ejemplos de conversión de reales a enteros

Ejemplos de conversión de reales a enteros Ejemplos de conversión de reales a enteros Con el siguiente programa se pueden apreciar las diferencias entre las cuatro funciones para convertir de reales a enteros: program convertir_real_a_entero print

Más detalles

RClimTool MANUAL DEL USUARIO

RClimTool MANUAL DEL USUARIO RClimTool MANUAL DEL USUARIO Lizeth Llanos Herrera, estudiante de Estadística Esta herramienta ha sido diseñada para el apoyo, automatización de procesos y análisis de series climáticas dentro del convenio

Más detalles

INTRODUCCIÓN AL ANALISIS ESTADISTICO CON R UNA MIRADA RAPIDA

INTRODUCCIÓN AL ANALISIS ESTADISTICO CON R UNA MIRADA RAPIDA 1 INTRODUCCIÓN AL ANALISIS ESTADISTICO CON R UNA MIRADA RAPIDA INTRODUCCION R es un sistema para análisis estadísticos y gráficos creado por R. Ihaka y R. Gentleman. R tiene una naturaleza doble de programa

Más detalles

Tema: Crear, Modificar y Abrir Conexiones ODBC. Generación de Cubos OLAP Revisado: 2006

Tema: Crear, Modificar y Abrir Conexiones ODBC. Generación de Cubos OLAP Revisado: 2006 1 Jose Ignacio González Gómez. Departamento de Economía Financiera y Contabilidad Universidad de La Laguna www.ecofin.ull.es/users/jggomez. Tema: Crear, Modificar y Abrir Conexiones ODBC. Generación de

Más detalles

Comenzando con R Commander Una vez cargado R Commander, aparecerá la siguiente ventana

Comenzando con R Commander Una vez cargado R Commander, aparecerá la siguiente ventana Comenzando con R Commander Una vez cargado R Commander, aparecerá la siguiente ventana en la que podemos distinguir varias partes: Un menú de ventanas desplegables: Fichero, Editar, Datos, Estadísticos,

Más detalles

Práctica 1. Introducción al matlab

Práctica 1. Introducción al matlab Práctica 1. Introducción al matlab Estadística Facultad de Física Objetivos Puesta en marcha de matlab Entrada y salida de datos Manejo de matrices Representaciones gráficas sencillas 1 matlab matlab es

Más detalles

De cómo usar R en un tiempo razonable (no fácil, no)

De cómo usar R en un tiempo razonable (no fácil, no) Capítulo 1 De cómo usar R en un tiempo razonable (no fácil, no) En este capítulo se incluyen algunos consejos prácticos para trabajar con R. Las posibilidades son enormes, pero como casi todo, para dominarlo

Más detalles

1. Introducción al programa R

1. Introducción al programa R BASES DE ESTADÍSTICA 1º de CC. Ambientales, curso 2009 2010 GUIÓN DE LAS PRÁCTICAS CON R 1. Introducción al programa R El programa R funciona con una ventana donde se escriben los comandos más una ventana

Más detalles

Guía Taller I Conexión con la Base de Datos Introducción a PostgreSQL

Guía Taller I Conexión con la Base de Datos Introducción a PostgreSQL Guía Taller I Conexión con la Base de Datos Introducción a PostgreSQL 1. Conexión con la Base de Datos: se debe realizar a partir de algún programa que implemente el protocolo SSH (Secure Shell), a partir

Más detalles

Práctica 1: Introducción al entorno de trabajo de MATLAB *

Práctica 1: Introducción al entorno de trabajo de MATLAB * Práctica 1: Introducción al entorno de trabajo de MATLAB * 1. Introducción MATLAB constituye actualmente un estándar dentro de las herramientas del análisis numérico, tanto por su gran capacidad y sencillez

Más detalles

ARCHIVOS CON SERIES DEL BOLETÍN ESTADÍSTICO Manual de Usuario

ARCHIVOS CON SERIES DEL BOLETÍN ESTADÍSTICO Manual de Usuario Dirección General del Servicio de Estudios 04.09.2007 ARCHIVOS CON SERIES DEL BOLETÍN ESTADÍSTICO Manual de Usuario Departamento de Estadística Hoja de Control Título Autor Versión Fecha Registro de Cambios

Más detalles

6.1 - OpenOffice.org: Dónde está MS Access?

6.1 - OpenOffice.org: Dónde está MS Access? http://articles.linmagau.org/modules.php?op=modload&name=sections&file=index&req=viewarticle&artid=230&page=1 6.1 - OpenOffice.org: Dónde está MS Access? Contributed by: Jonathon Coombes jon@cybersite.com.au

Más detalles

Manual de AVG Antivirus

Manual de AVG Antivirus Instalación Manual de AVG Antivirus 1. Una vez tengas el archivo en tu PC, haz click en el para comenzar la instación. Esta es la ventana que observamos al inicio del proceso: Pulsando NEXT nos encontramos

Más detalles

Series Temporales Curso 2014 2015

Series Temporales Curso 2014 2015 Universidad del País Vasco Aeman ta zabal zazu Euskal Herriko Unibertsitatea Programa de la asignatura Series Temporales Curso 2014 2015 Profesores: Ana Cebrián (Univ. de Zaragoza) Fernando Tusell (UPV/EHU)

Más detalles

PROYECTO ADMINISTRACIÓN ORACLE ENTERPRISE MANAGER

PROYECTO ADMINISTRACIÓN ORACLE ENTERPRISE MANAGER PROYECTO ADMINISTRACIÓN ORACLE ENTERPRISE MANAGER Proyecto de administración avanzada Alejandro Romero Abadía 1 Este proyecto consiste en una explicación de las funciones que ofrece la consola web de administración

Más detalles

SQL Server Reporting Services 2000 y 2005

SQL Server Reporting Services 2000 y 2005 SQL Server Reporting Services 2000 y 2005 Este artículo presenta SQL Server Reporting Services. Se presentan primero las funcionalidades de la primera versión de esta herramienta y después las mejoras

Más detalles

1. El entorno de desarrollo Eclipse

1. El entorno de desarrollo Eclipse Índice 1. El entorno de desarrollo Eclipse 1 1.1. Qué es Eclipse?........................................................ 1 1.2. Trabajando con Eclipse....................................................

Más detalles

Las bases de datos pueden dividirse en dos grupos, considerando su función primordial, a saber:

Las bases de datos pueden dividirse en dos grupos, considerando su función primordial, a saber: Base de datos De Wikipedia, la enciclopedia libre. Una base de datos es un conjunto de datos que pertenecen al mismo contexto almacenados sistemáticamente para su uso posterior. En este sentido, una biblioteca

Más detalles

1.1 PROGRAMAS SECUENCIALES, INTERACTIVOS Y ORIENTADOS A EVENTOS

1.1 PROGRAMAS SECUENCIALES, INTERACTIVOS Y ORIENTADOS A EVENTOS 1. Introducción 1 1.1 Programas secuenciales, interactivos y orientados a eventos 1.2 Programas para el entorno Windows 1.2.1 Modo de Diseño y Modo de Ejecución 1.2.2 Formularios y Controles 1.2.3 Objetos

Más detalles

Backup & Recovery Oracle 9i. Las copias físicas offline, conocidas como Backups en frío, se realizan cuando la Base de Datos está parada.

Backup & Recovery Oracle 9i. Las copias físicas offline, conocidas como Backups en frío, se realizan cuando la Base de Datos está parada. Copias de Seguridad Físicas OFFLINE Las copias físicas offline, conocidas como Backups en frío, se realizan cuando la Base de Datos está parada. Como ya se ha comentado anteriormente, una copia en frío

Más detalles

Automatización de procesos en la Estadística Pública con R

Automatización de procesos en la Estadística Pública con R Automatización de procesos en la Estadística Pública con R Díez Lázaro, Olga dielazol@jcyl.es Pinar Izquierdo, Verónica pinizqve@jcyl.es Rodríguez Rodríguez, Jesús Mª rodrodje@jcyl.es Dirección General

Más detalles

Introducción a Matlab.

Introducción a Matlab. Introducción a Matlab. Ejercicios básicos de manipulación de imágenes. Departamento de Ingeniería electrónica, Telecomunicación y Automática. Área de Ingeniería de Sistemas y Automática OBJETIVOS: Iniciación

Más detalles

Tutorial Ambiente de Trabajo en InfoStat

Tutorial Ambiente de Trabajo en InfoStat INTRODUCCIÓN A LA INTERFAZ DE INFOSTAT CON R R Project, más conocido como R, es un lenguaje de programación que ha sido desarrollado principalmente para análisis estadístico. Es un lenguaje libre que permite

Más detalles

ESPECIALISTA EN BASE DE DATOS

ESPECIALISTA EN BASE DE DATOS ESPECIALISTA EN BASE DE DATOS EXPERTO ANALISIS Y DISEÑO DE BASE DE DATOS EN MANEJAR BASES DE ACCESS COMPLETO DATOS MYSQL Requisito: Manejo Windows POSTGRESQL DURACION: 3 MESES DE L-V SQL SERVER Cliente-Administración

Más detalles

RESUMEN INTRODUCCION

RESUMEN INTRODUCCION Análisis de Series Temporales de la Amplitud Térmica para 7 Localidades de la Zona Centro-Norte-Costera de Venezuela con datos del Modelos de Reanalysis-NCAR Realizado por: Ing. Rafael Elías Mundaray Mago

Más detalles

MASTER EN INGENIERÍA DEL HORMIGÓN

MASTER EN INGENIERÍA DEL HORMIGÓN MASTER EN INGENIERÍA DEL HORMIGÓN MODELOS PREDICTIVOS Y DE OPTIMIZACIÓN DE ESTRUCTURAS DE HORMIGÓN Profesores: Víctor Yepes Piqueras, Julián Alcalá González PROGRAMACIÓN DE UN GENERADOR DE LISTAS DE NÚMEROS

Más detalles

REQUISITOS DEL SISTEMA. Software Servidor. Cliente. Hardware Servidor. Cliente

REQUISITOS DEL SISTEMA. Software Servidor. Cliente. Hardware Servidor. Cliente MANUAL TECNICO INSTALACIÓN Y CONFIGURACIÓN DEL SISTEMA AARON A QUIEN VA DIRIGIDO El siguiente manual está dirigido al administrador encargado de la instalación y configuración del Sistema AARON. PRÓLOGO

Más detalles

2. Seleccionar Insertar función:

2. Seleccionar Insertar función: Estadística I Curso 2014/2015 Guión de la Práctica 1 Introducción a la Estadística con Excel; Estadística Descriptiva En el siguiente guión vamos a ver cómo realizar Estadística Descriptiva con el software

Más detalles

Manual de agente de comunicaciones

Manual de agente de comunicaciones Manual de agente de comunicaciones Preparado por: Ivan Ticona Fecha: 15-10-2009 Contenido... 2 Manual del agente de comunicaciones... 1.Objetivo... 2.Alcance....Terminología... 4.Instalación... 5.Instalación

Más detalles

==============================

============================== COMMUNITY TECHNOLOGY CENTER PASSAIC COUNTY COMMUNITY COLLEGE Clase: Introducción a Microsoft Word Instructor: Maria Eugenia Sandoval Total de páginas: 09 ============================== Descripción: Este

Más detalles

Instalación del programa PSPP y obtención de una distribución de frecuencias.

Instalación del programa PSPP y obtención de una distribución de frecuencias. Práctica 2. Instalación del programa PSPP y obtención de una distribución de frecuencias. Con esta práctica instalaremos el programa PSPP. El programa es un software específico para el análisis estadístico

Más detalles

Resolución de problemas y preguntas frecuentes

Resolución de problemas y preguntas frecuentes Resolución de problemas y preguntas frecuentes 1. El menú desplegable para un campo de la hoja de cálculo Datos del incidente no contiene todas las opciones que quiero ingresar. Es muy probable que la

Más detalles

Enlaces relacionados: http://otn.oracle.com/tech/pl_sql/index.html

Enlaces relacionados: http://otn.oracle.com/tech/pl_sql/index.html 1.INTRODUCCION PL/SQL (Procedural Language ó Programming Language, según distintas fuentes, aunque la oficial es la primera) es el lenguaje utilizado por Oracle como extensión al SQL, y que nos va a permitir

Más detalles

1. Puesta en marcha. 1 EViews es una marca registrada de Quantitative Microsoftware.

1. Puesta en marcha. 1 EViews es una marca registrada de Quantitative Microsoftware. J. Estavillo y J.Muro. Pag- 1 Notas introductorias para el uso del EViews 1 versión 3.1 El programa EViews (Econometric Views) es uno de los programas econométricos con mayor difusión en el mundo académico.

Más detalles

INDICE Programación Introducción Capitulo 21 BASIC Capitulo 22. COBOL Capitulo 23 DELPHI Capitulo 24. FORTRAN Capitulo 25.

INDICE Programación Introducción Capitulo 21 BASIC Capitulo 22. COBOL Capitulo 23 DELPHI Capitulo 24. FORTRAN Capitulo 25. INDICE Programación Introducción 706 Capitulo 21 BASIC 711 Introducción 711 Sintaxis 713 Procedimientos y control de flujo 713 Tipos de datos 714 Disponibilidad y variantes del dialecto 714 Capitulo 22.

Más detalles

PRÓLOGO... XVII CAPÍTULO 1. FASES EN EL DESARROLLO DE UN PROGRAMA...

PRÓLOGO... XVII CAPÍTULO 1. FASES EN EL DESARROLLO DE UN PROGRAMA... CONTENIDO PRÓLOGO... XVII CAPÍTULO 1. FASES EN EL DESARROLLO DE UN PROGRAMA... 1 QUÉ ES UN PROGRAMA... 1 QUÉ ES Visual Basic.NET... 2 REALIZACIÓN DE UN PROGRAMA EN Visual Basic.NET... 3 Cómo crear un programa...

Más detalles

ADMINISTRACIÓN DE BASE DE DATOS

ADMINISTRACIÓN DE BASE DE DATOS SQL SERVER T-SQL QUERY s es ADMINISTRADOR GRÁFICO SGBD Elementos objetos Tablas Procedimientos Triggers Funciones Usuarios Permiso Roles Contraseñas Programas DTS (Data Transfer System) Exportación e Importación

Más detalles

UNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL PRÁCTICAS DE ESTADÍSTICA I MANUAL DE STATGRAPHICS I. INTRODUCCIÓN Y MANEJO DE DATOS

UNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL PRÁCTICAS DE ESTADÍSTICA I MANUAL DE STATGRAPHICS I. INTRODUCCIÓN Y MANEJO DE DATOS UNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL PRÁCTICAS DE ESTADÍSTICA I MANUAL DE STATGRAPHICS I. INTRODUCCIÓN Y MANEJO DE DATOS Master en Calidad Total Estadística Manual de Stagraphics 1

Más detalles

Practica 11: Conexión de Java con Bases de datos Access

Practica 11: Conexión de Java con Bases de datos Access Practica 11: Conexión de Java con Bases de datos Access En esta práctica vamos a crear una base de datos Microsoft Access y luego vamos a conectarnos desde una aplicación java haciendo uso del puente JDBC-ODBC

Más detalles

Una introducción a MATLAB

Una introducción a MATLAB Universidad de Castilla-La Mancha ETSI Industriales Una introducción a MATLAB Curso 04/05 1. Introducción. MATLAB es un programa de cálculo científico de gran versatilidad y facilidad de uso con un gran

Más detalles

Econometría ADE Practica 1 PRÁCTICA 1 INTRODUCCIÓN AL GRETL

Econometría ADE Practica 1 PRÁCTICA 1 INTRODUCCIÓN AL GRETL PRÁCTICA 1 INTRODUCCIÓN AL GRETL 1 1 INSTALACIÓN DEL PROGRAMA Desde la página principal de GRETL en español http://gretl.sourceforge.net/gretl_espanol.html Ir a descargar y bajar el fichero correspondiente

Más detalles

BASE DE DATOS UNIVERSIDAD DE LOS ANDES FACULTAD DE MEDICINA T.S.U. EN ESTADISTICA DE SALUD CATEDRA DE COMPUTACIÓN II. Comenzar presentación

BASE DE DATOS UNIVERSIDAD DE LOS ANDES FACULTAD DE MEDICINA T.S.U. EN ESTADISTICA DE SALUD CATEDRA DE COMPUTACIÓN II. Comenzar presentación UNIVERSIDAD DE LOS ANDES FACULTAD DE MEDICINA T.S.U. EN ESTADISTICA DE SALUD CATEDRA DE COMPUTACIÓN II BASE DE DATOS Comenzar presentación Base de datos Una base de datos (BD) o banco de datos es un conjunto

Más detalles

2º ITT SISTEMAS ELECTRÓNICOS 2º ITT SISTEMAS DE TELECOMUNICACIÓN 3º INGENIERÍA DE TELECOMUNICACIÓN AUTÓMATAS Y SISTEMAS DE CONTROL

2º ITT SISTEMAS ELECTRÓNICOS 2º ITT SISTEMAS DE TELECOMUNICACIÓN 3º INGENIERÍA DE TELECOMUNICACIÓN AUTÓMATAS Y SISTEMAS DE CONTROL 2º ITT SISTEMAS ELECTRÓNICOS 2º ITT SISTEMAS DE TELECOMUNICACIÓN 3º INGENIERÍA DE TELECOMUNICACIÓN AUTÓMATAS Y SISTEMAS DE CONTROL PRÁCTICA 2: INTRODUCCIÓN A MATLAB. CARACTERÍSTICAS BÁSICAS DE MATLAB Funcionalidades

Más detalles

Práctica 1ª: Introducción a Matlab. 1er curso de Ingeniería Industrial: Ingeniería de Control

Práctica 1ª: Introducción a Matlab. 1er curso de Ingeniería Industrial: Ingeniería de Control 1er curso de Ingeniería Industrial: Ingeniería de Control Práctica 1ª: Introducción a Matlab Departamento de Ingeniería electrónica, Telecomunicación y Automática. Área de Ingeniería de Sistemas y Automática

Más detalles

TEMA 10. INTRODUCCCIÓN A SQL. CONSULTAS BASADAS EN UNA TABLA

TEMA 10. INTRODUCCCIÓN A SQL. CONSULTAS BASADAS EN UNA TABLA 1 TEMA 10. INTRODUCCCIÓN A SQL. CONSULTAS BASADAS EN UNA TABLA 1. Definición de SQL. Características 2. Selección del origen de los datos. Cláusula FROM 3. Selección de columnas. Columnas calculadas 4.

Más detalles

Estudio sobre la evolución del número de pasajeros en el metro de Barcelona

Estudio sobre la evolución del número de pasajeros en el metro de Barcelona Estudio sobre la evolución del número de pasajeros en el metro de Barcelona Un análisis basado en Series Temporales. Autor: Origen 1.- Introducción 2.- Metodología estadística 3.- Análisis descriptivo

Más detalles

TRATAMIENTO DE BASES DE DATOS CON INFORMACIÓN FALTANTE EN SAS. 1

TRATAMIENTO DE BASES DE DATOS CON INFORMACIÓN FALTANTE EN SAS. 1 Clara Badler Sara Alsina Daniel Wojdyla Fernando Fracchia Instituto de Investigaciones Teóricas y Aplicadas, Escuela de Estadística. TRATAMIENTO DE BASES DE DATOS CON INFORMACIÓN FALTANTE EN SAS. 1 1.

Más detalles

CLASE 0- MÉTODOS DE ALISADO EXPONENCIAL

CLASE 0- MÉTODOS DE ALISADO EXPONENCIAL CLASE 0- MÉTODOS DE ALISADO EXPONENCIAL Contextualización En la primera parte del curso hemos estudiado el análisis clásico de series temporales en el que se asume que una serie temporal resulta de la

Más detalles

Carrera: Ingeniería en Sistemas Computacionales. Prof.: Ing. Francisco Salvador Ballina. Materia: Taller de Base de Datos.

Carrera: Ingeniería en Sistemas Computacionales. Prof.: Ing. Francisco Salvador Ballina. Materia: Taller de Base de Datos. INSTITUTO TECNOLÓGICO SUPERIOR DE ESCARCEGA. Carrera: Ingeniería en Sistemas Computacionales. Prof.: Ing. Francisco Salvador Ballina. Materia: Taller de Base de Datos. Tema: VENTAJAS Y DESVENTAJAS DE POSTGRESQL,

Más detalles

ACCESS 2010 OFIMÁTICA AULA MENTOR

ACCESS 2010 OFIMÁTICA AULA MENTOR ACCESS 2010 OFIMÁTICA AULA MENTOR Módulo I: Introducción UNIDADES DIDÁCTICAS: 1. Unidad didáctica 1 2 Introducción a las Bases de Datos 2. Unidad didáctica 2 10 Comenzar a trabajar con Access Página 1

Más detalles

Guía N 1: Fundamentos básicos(i)

Guía N 1: Fundamentos básicos(i) 1 Guía N 1: Fundamentos básicos(i) Objetivos Generales: Ver una breve descripción de las capacidades más comunes de Excel Objetivos específicos: Descripción de los elementos de un libro: Hojas, iconos,

Más detalles

Técnicas de Programación

Técnicas de Programación Técnicas de Programación U.D.1.2.- Programas informáticos de uso general: procesadores de texto y bases de datos. Definición Una base de datos es una recopilación de información relativa a un asunto o

Más detalles

Curso de MySQL y Java

Curso de MySQL y Java Curso de MySQL y Java Introducción: instalación, arranque y primeros pasos 1. Material En este curso vamos a trabajar con el servidor mysql versión 4.0.18. También utilizaremos una herramienta llamada

Más detalles

INTRODUCCIÓN AL SQL. TRANSACT-SQL SQL SERVER 2005. Manual de Referencia para usuarios. Salomón Ccance CCANCE WEBSITE

INTRODUCCIÓN AL SQL. TRANSACT-SQL SQL SERVER 2005. Manual de Referencia para usuarios. Salomón Ccance CCANCE WEBSITE INTRODUCCIÓN AL SQL. TRANSACT-SQL SQL SERVER 2005 Manual de Referencia para usuarios Salomón Ccance CCANCE WEBSITE INTRODUCCIÓN AL SQL. TRANSACT SQL CONCEPTOS BÁSICO DE SQL SQL (Structured Query Language),

Más detalles

Clase 3: Archivos (texto, csv, dbf, Excel)

Clase 3: Archivos (texto, csv, dbf, Excel) Archivos Clase 3: Archivos (texto, csv, dbf, Excel) En líneas generales los archivos se leen y se escriben en 3 pasos: Lectura: 1. Abrir (open) 2. Leer (read, readlines, readline) 3. Cerrar (close) Escritura:

Más detalles

Procesado de datos con MATLAB

Procesado de datos con MATLAB Procesado de datos con MATLAB 1. Introducción En este tutorial 1 pretendemos cubrir los comandos básicos de MATLAB necesarios para introducirnos en el manejo de datos. Para más información sobre los comandos

Más detalles

CURSORES EN SQL SERVER

CURSORES EN SQL SERVER Año del Centenario de Machu Picchu para el mundo CURSORES EN SQL SERVER Curso: IMPLEMENTACION DE BASE DE DATOS VII Ciclo Integrantes: Vásquez Paredes, Pablo Bustamante Auccasi, Janett Córdova Farfán, Carlos

Más detalles

Guía rápida de Excel Tablas y gráficos dinámicos A. Roldán 2010

Guía rápida de Excel Tablas y gráficos dinámicos A. Roldán 2010 Tablas y gráficos dinámicos Tablas dinámicas Cambios en una tabla dinámica Filtrados Opciones de tabla Configuración de campo Otras operaciones Subtotales Gráficos dinámicos Tablas dinámicas Las tablas

Más detalles

TEMA 1. MANEJO DE PROCESADOR DE TEXTOS: Microsoft WORD 2003

TEMA 1. MANEJO DE PROCESADOR DE TEXTOS: Microsoft WORD 2003 TEMA 1. MANEJO DE PROCESADOR DE TEXTOS: Microsoft WORD 2003 TEMA 1. MANEJO DE PROCESADOR DE TEXTOS: MICROSOFT WORD 2003...1 1. ESTILOS Y FORMATOS...1 1.1. Estilos...1 1.2. Niveles...2 1.3. Secciones...2

Más detalles

Ejercicio Tutorial UCINET VI

Ejercicio Tutorial UCINET VI Ejercicio Tutorial UCINET VI Curso de Especialización en Análisis y Gestión de Redes Sociales José Ignacio Porras Mayo 2005 UCINET 6 for Windows Version 6.26 / 30 May 2003 NetDraw1.0: Copyright 2002 -----

Más detalles

Taller de Probabilidad y Simulación

Taller de Probabilidad y Simulación Taller de Probabilidad y Simulación Probabilidad I Departamento de Matemáticas UAM, curso 2007-2008 Pablo Fernández Gallardo (pablo.fernandez@uam.es) 1. Una breve introducción a Excel 1.1. Introducción

Más detalles

Programación 2 Curso 2013 2014. Guía de desarrollo C/C++ con Eclipse

Programación 2 Curso 2013 2014. Guía de desarrollo C/C++ con Eclipse Programación 2 Curso 2013 2014 Introducción Guía de desarrollo C/C++ con Eclipse Eclipse 1 es un entorno de programación que permite el desarrollo de aplicaciones en diferentes lenguajes. Consta de un

Más detalles

BASES DE DATOS TEMA 3 MODELO ENTIDAD - RELACIÓN

BASES DE DATOS TEMA 3 MODELO ENTIDAD - RELACIÓN BASES DE DATOS TEMA 3 MODELO ENTIDAD - RELACIÓN 3.3 Aplicaciones Definición de Aplicación (Application). Programa informático que permite a un usuario utilizar una computadora con un fin específico. Las

Más detalles

EDICIÓN DE ECUACIONES CON WORD y ÁLGEBRA LINEAL CON EXCEL

EDICIÓN DE ECUACIONES CON WORD y ÁLGEBRA LINEAL CON EXCEL EDICIÓN DE ECUACIONES CON WORD y ÁLGEBRA LINEAL CON EXCEL Autores: Ángel Alejandro Juan Pérez (ajuanp@uoc.edu), Cristina Steegmann Pascual (csteegmann@uoc.edu). ESQUEMA DE CONTENIDOS ECUACIONES Y ÁLGEBRA

Más detalles

1.Instalar el paquete R-cmdr

1.Instalar el paquete R-cmdr ESTADíSTICA INDUSTRIAL Prof: Mathieu Kessler Componentes principales con R En esta práctica, utilizaremos un paquete adicional de R, llamado rgl que sirve para representaciones 3d. Instalaremos además

Más detalles

CONSULTAS DE RESUMEN SQL SERVER 2005. Manual de Referencia para usuarios. Salomón Ccance CCANCE WEBSITE

CONSULTAS DE RESUMEN SQL SERVER 2005. Manual de Referencia para usuarios. Salomón Ccance CCANCE WEBSITE CONSULTAS DE RESUMEN SQL SERVER 2005 Manual de Referencia para usuarios Salomón Ccance CCANCE WEBSITE CONSULTAS DE RESUMEN Una de las funcionalidades de la sentencia SELECT es el permitir obtener resúmenes

Más detalles

IWG-101: Introducción a la Ingeniería. Departamento de Informática, UTFSM 1

IWG-101: Introducción a la Ingeniería. Departamento de Informática, UTFSM 1 IWG-101: Introducción a la Ingeniería Departamento de Informática, UTFSM 1 Gestión de Bases de Datos Gestión de Bases de Datos Base de datos una colección de datos relacionados organizados de manera de

Más detalles

Tutorial de MS Access Un sistema de Bases de Datos Relacional. Profesores: Hugo Mora, Ignacio Casas

Tutorial de MS Access Un sistema de Bases de Datos Relacional. Profesores: Hugo Mora, Ignacio Casas Tutorial de MS Un sistema de Bases de Datos Relacional Profesores: Hugo Mora, Ignacio Casas Tutorial Qué es una Base de Datos? Una Base de Datos es un conjunto de datos que pertenecen al mismo contexto

Más detalles

Práctica No. 2. Gestión terminológica con Termbases.eu

Práctica No. 2. Gestión terminológica con Termbases.eu Práctica No. 2. Gestión terminológica con Termbases.eu En esta práctica, el participante aprenderá a manejar el gestor de terminología online Termbases.eu. Registrarse en Termbases.eu 1.- Acceda a la página

Más detalles

Manual De Instalación MySQl 5.1 MANUAL DE INSTALACIÓN Y CONFIGURACIÓN DE MYSQL 5.1.40

Manual De Instalación MySQl 5.1 MANUAL DE INSTALACIÓN Y CONFIGURACIÓN DE MYSQL 5.1.40 MANUAL DE INSTALACIÓN Y CONFIGURACIÓN DE MYSQL 5.1.40 Página 1 de 15 1.- Ejecutamos el fichero mysql-essential-5.1.40-win32. Espera unos minutos mientras se cargan los archivos necesarios para la instalación

Más detalles

Introducción a Protégé

Introducción a Protégé FACULTAD DE INFORMÁTICA LICENCIATURA EN DOCUMENTACIÓN SISTEMAS DE REPRESENTACIÓN Y PROCESAMIENTO AUTOMÁTICO DEL CONOCIMIENTO Práctica 1 1ª Parte Introducción a Protégé Febrero 2003 1. Objetivo La presente

Más detalles

EL ENTORNO DE TRABAJO SQL ORACLE

EL ENTORNO DE TRABAJO SQL ORACLE PREVIO 2 EL ENTORNO DE TRABAJO SQL ORACLE Y LENGUAJE DE DEFINICIÓN DE DATOS DDL) INTRODUCCIÓN A ORACLE Oracle10g es de las últimas versiones de esté manejador de base de datos, incorpora la tecnología

Más detalles

Curso. Análisis de datos con R.

Curso. Análisis de datos con R. Análisis de datos con R. Fecha de realización Del 04 de agosto al 02 de septiembre de 2014. Duración 40 horas Inscripciones Hasta el 29 de julio, 5:00 p.m. Enlace http://www.dane.gov.co/ecandane/ new_ecandane/inscripcion/

Más detalles

DICCIONARIO DE DATOS

DICCIONARIO DE DATOS DICCIONARIO DE DATOS Diccionario de datos El diccionario de datos es la fuente de información centralizada de todo el sistema SAP, allí se encuentra (y almacena) todos los datos que se procesan en el sistema;

Más detalles

Manual de creación de Interfaces de Usuario en Netbeans

Manual de creación de Interfaces de Usuario en Netbeans Three Headed Monkey Manual de creación de Interfaces de Usuario en Versión 2.0 Jesús Omar Álvarez Márquez Miércoles, 14 de Abril de Contenido Introducción... 2 Propósito del documento... 2 Programas necesarios...

Más detalles

Métodos Exploratorios en Minería de Datos

Métodos Exploratorios en Minería de Datos Métodos Exploratorios en Minería de Datos Tutor: El curso será impartido por Dr. Oldemar Rodríguez graduado de la Universidad de París IX y con un postdoctorado de la Universidad de Stanford. Duración:

Más detalles

http://en.wikipedia.org/wiki/edgar_f._codd

http://en.wikipedia.org/wiki/edgar_f._codd 26/03/2012 1 http://en.wikipedia.org/wiki/edgar_f._codd Codd estableció los fundamentos del modelo relacional en el artículos de 1970 "A Relational Model of Data for Large Shared Data Banks". En adelante,

Más detalles

DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA UNIVERSIDAD DE VALLADOLID

DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA UNIVERSIDAD DE VALLADOLID d e p a r t a m e n t o d E 0.8 300 0.6 I O 0.4 250 0.2 50 100 200 150 200 250 www.eio.uva.es 300 150 universidad de valladolid e s t a d í s t i c a Ver.norm media desv. estand. o p e r a t i v a i n

Más detalles

Programación Lineal Entera

Programación Lineal Entera Programación Lineal Entera P.M. Mateo y David Lahoz 2 de julio de 2009 En este tema se presenta un tipo de problemas formalmente similares a los problemas de programación lineal, ya que en su descripción

Más detalles

C a p í t u l o. Instalación. Contenido

C a p í t u l o. Instalación. Contenido C a p í t u l o 2 Instalación Este capítulo resume el proceso para implantar Sprinter y muestra una lista con las recomendaciones de hardware y software para su mejor rendimiento. Contenido Pre-requisitos

Más detalles

Fundamentos de SQL para Minería de Datos

Fundamentos de SQL para Minería de Datos Fundamentos de SQL para Minería de Datos Tutor: El curso será impartido por M.Sc. Fabio Fernández graduado de la Universidad de Costa Rica con un máster en Matemática Aplicada. Duración: Cuatro semanas.

Más detalles